CN112614503A - 心音信号的处理方法、装置、电子设备及可读存储介质 - Google Patents
心音信号的处理方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN112614503A CN112614503A CN202011475901.8A CN202011475901A CN112614503A CN 112614503 A CN112614503 A CN 112614503A CN 202011475901 A CN202011475901 A CN 202011475901A CN 112614503 A CN112614503 A CN 112614503A
- Authority
- CN
- China
- Prior art keywords
- heart sound
- sound signal
- signal
- processing
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005236 sound signal Effects 0.000 title claims abstract description 580
- 238000012545 processing Methods 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000001914 filtration Methods 0.000 claims abstract description 30
- 230000008030 elimination Effects 0.000 claims abstract description 17
- 238000003379 elimination reaction Methods 0.000 claims abstract description 17
- 238000002372 labelling Methods 0.000 claims abstract description 17
- 238000005070 sampling Methods 0.000 claims description 37
- 230000003321 amplification Effects 0.000 claims description 17
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 17
- 238000009499 grossing Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000002452 interceptive effect Effects 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 8
- 238000005311 autocorrelation function Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000003672 processing method Methods 0.000 claims 6
- 238000004458 analytical method Methods 0.000 abstract description 19
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 238000000605 extraction Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000000737 periodic effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000005314 correlation function Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 208000035211 Heart Murmurs Diseases 0.000 description 1
- 238000002555 auscultation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本申请提供了一种心音信号的处理方法、装置、电子设备及可读存储介质,通过对采集到的初始心音信号进行初级去噪处理,得到了去噪心音信号;按照得到的去噪心音信号对应的多个响度增益权重,增益放大去噪心音信号,得到放大后的放大心音信号,使得心音信号的每个频率的响度增益基本相同;再对放大后的放大心音信号进行去干扰处理,得到无干扰心音信号;最后,对得到的无干扰心音信号进行标注,得到可用于后续进行分析的目标心音信号,从而可以有效的滤除心音信号中的噪音,有助于减少心音信号中的干扰成分,进而,可以提高后期对心音信号进行分析时分析结果的准确性。
Description
技术领域
本申请涉及信号处理技术领域,尤其是涉及一种心音信号的处理方法、装置、电子设备及可读存储介质。
背景技术
心音信号是一种比较微弱的生物信号,心音传感器灵敏度高,在采集过程中不可避免地会受到采集环境和采集设备的影响。例如,传感器与被测试者之间的摩擦音,人体本身的呼吸音、肺音干扰,工频干扰以及外部环境噪声等。噪声的存在将会对心音信号的定位分段、包络提取和特征值提取产生一定干扰,降低心音识别分类的准确性。因此,如何有效地滤除心音信号中的噪音成为了亟待解决的问题。
发明内容
有鉴于此,本申请的目的在于提供一种心音信号的处理方法、装置、电子设备及可读存储介质,可以有效的滤除心音信号中的噪音,有助于减少心音信号中的干扰成分,进而,可以提高后期对心音信号进行分析时分析结果的准确性。
本申请实施例提供了一种心音信号的处理方法,所述处理方法包括:
对采集到的初始心音信号进行初级去噪处理,得到去噪后的去噪心音信号;
按照所述去噪心音信号对应的多个响度增益权重,对所述去噪心音信号进行增益放大处理,得到放大后的放大心音信号;
对所述放大心音信号进行去干扰处理,得到无干扰心音信号;
对所述无干扰心音信号进行标注处理,得到所述初始心音信号对应的目标心音信号。
进一步的,所述对采集到的初始心音信号进行初级去噪处理,得到去噪后的去噪心音信号,包括:
将所述初始心音信号的采样频率调整至处理采样频率,得到调整后的初始心音信号;
对所述调整后的初始心音信号进行滤波处理,从所述调整后的初始心音信号中确定出振动频率位于心音振动频率范围内的正常心音信号;
将所述正常心音信号输入至训练好的降噪模型中,得到去噪后的去噪心音信号。
进一步的,所述对所述调整后的初始心音信号进行滤波处理,从所述调整后的初始心音信号中确定出振动频率位于心音振动频率范围内的正常心音信号,包括:
对所述调整后的初始心音信号进行带阻滤波处理,从所述调整后的初始心音信号分离出工频噪音信号,得到有效心音信号;
对所述有效心音信号进行带通滤波处理,从所述有效心音信号中确定出振动频率位于心音振动频率范围内的正常心音信号。
进一步的,所述按照所述去噪心音信号对应的多个响度增益权重,对所述去噪心音信号进行增益放大处理,得到放大后的放大心音信号,包括:
针对于所述去噪心音信号中的每一帧去噪心音信号,确定该帧去噪心音信号中每个信号频率对应的响度增益因子;
基于所述响度增益因子与等响度曲线之间的映射关系,确定出每个信号频率对应的响度增益权重;
基于每一帧去噪心音信号中每个信号频率对应的响度增益权重,对所述去噪心音信号进行增益放大处理,得到放大后的放大心音信号。
进一步的,所述对所述放大心音信号进行去干扰处理,得到无干扰心音信号,包括:
从所述放大心音信号中裁剪出预设时间范围内的心音信号片段;
提取出所述心音信号片段中基音频率位于预设基音频率范围内的候选基频信号;
对所述候选基频信号进行平滑处理,得到无干扰心音信号。
进一步的,所述提取出所述心音信号片段中基音频率位于预设基音频率范围内的候选基频信号,包括:
通过自相关函数从所述心音信号片段中确定出多个信号周期;
针对于每个信号周期,确定所述信号周期所属的子心音信号对应的基音频率;
当所述基音频率位于预设基音频率范围内时,将所述基音频率对应的子心音信号确定为候选基频信号。
进一步的,所述对所述无干扰心音信号进行标注处理,得到所述初始心音信号对应的目标心音信号,包括:
确定出所述无干扰心音信号对应的心音信号包络;
基于所述心音信号包络,从所述无干扰心音信号中确定出第一心音信号的位置信息以及第二心音信号的位置信息;
基于所述第一心音信号的位置信息以及所述第二心音信号的位置信息对所述无干扰心音信号进行标注,得到待处理心音信号;
降低所述待处理心音信号的采样频率,得到所述初始心音信号对应的目标心音信号。
本申请实施例还提供了一种心音信号的处理装置,所述处理装置包括:
去噪模块,用于对采集到的初始心音信号进行初级去噪处理,得到去噪后的去噪心音信号;
增益模块,用于按照所述去噪心音信号对应的多个响度增益权重,对所述去噪心音信号进行增益放大处理,得到放大后的放大心音信号;
处理模块,用于对所述放大心音信号进行去干扰处理,得到无干扰心音信号;
标注模块,用于对所述无干扰心音信号进行标注处理,得到所述初始心音信号对应的目标心音信号。
进一步的,所述去噪模块在用于对采集到的初始心音信号进行初级去噪处理,得到去噪后的去噪心音信号时,所述去噪模块用于:
将所述初始心音信号的采样频率调整至处理采样频率,得到调整后的初始心音信号;
对所述调整后的初始心音信号进行滤波处理,从所述调整后的初始心音信号中确定出振动频率位于心音振动频率范围内的正常心音信号;
将所述正常心音信号输入至训练好的降噪模型中,得到去噪后的去噪心音信号。
进一步的,所述去噪模块在用于对所述调整后的初始心音信号进行滤波处理,从所述调整后的初始心音信号中确定出振动频率位于心音振动频率范围内的正常心音信号时,所述去噪模块用于:
对所述调整后的初始心音信号进行带阻滤波处理,从所述调整后的初始心音信号分离出工频噪音信号,得到有效心音信号;
对所述有效心音信号进行带通滤波处理,从所述有效心音信号中确定出振动频率位于心音振动频率范围内的正常心音信号。
进一步的,所述增益模块在用于按照所述去噪心音信号对应的多个响度增益权重,对所述去噪心音信号进行增益放大处理,得到放大后的放大心音信号时,所述增益模块用于:
针对于所述去噪心音信号中的每一帧去噪心音信号,确定该帧去噪心音信号中每个信号频率对应的响度增益因子;
基于所述响度增益因子与等响度曲线之间的映射关系,确定出每个信号频率对应的响度增益权重;
基于每一帧去噪心音信号中每个信号频率对应的响度增益权重,对所述去噪心音信号进行增益放大处理,得到放大后的放大心音信号。
进一步的,所述处理模块在用于对所述放大心音信号进行去干扰处理,得到无干扰心音信号时,所述处理模块用于:
从所述放大心音信号中裁剪出预设时间范围内的心音信号片段;
提取出所述心音信号片段中基音频率位于预设基音频率范围内的候选基频信号;
对所述候选基频信号进行平滑处理,得到无干扰心音信号。
进一步的,所述处理模块在用于提取出所述心音信号片段中基音频率位于预设基音频率范围内的候选基频信号时,所述处理模块用于:
通过自相关函数从所述心音信号片段中确定出多个信号周期;
针对于每个信号周期,确定所述信号周期所属的子心音信号对应的基音频率;
当所述基音频率位于预设基音频率范围内时,将所述基音频率对应的子心音信号确定为候选基频信号。
进一步的,所述标注模块在用于对所述无干扰心音信号进行标注处理,得到所述初始心音信号对应的目标心音信号时,所述标注模块用于:
确定出所述无干扰心音信号对应的心音信号包络;
基于所述心音信号包络,从所述无干扰心音信号中确定出第一心音信号的位置信息以及第二心音信号的位置信息;
基于所述第一心音信号的位置信息以及所述第二心音信号的位置信息对所述无干扰心音信号进行标注,得到待处理心音信号;
降低所述待处理心音信号的采样频率,得到所述初始心音信号对应的目标心音信号。
本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的心音信号的处理方法的步骤。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述的心音信号的处理方法的步骤。
这样,本申请通过对采集到的初始心音信号进行初级去噪处理,得到了振动频率位于心音振动范围内的正常心音信号;按照得到的去噪心音信号对应的多个响度增益权重,增益放大去噪心音信号,得到放大后的放大心音信号,使得心音信号的频率的响度增益基本相同;再次对放大后的放大心音信号进行去干扰处理,得到无干扰心音信号;最后,再对得到的无干扰心音信号进行标注,得到可用于后续进行分析的目标心音信号,从而可以有效的滤除心音信号中的噪音,有助于减少心音信号中的干扰成分,进而,可以提高后期对心音信号进行分析时分析结果的准确性。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种心音信号的处理方法的流程图;
图2为本申请实施例所提供的另一种心音信号的处理方法的流程图;
图3为本申请实施例所提供的一种心音信号的处理装置的结构示意图;
图4为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例,都属于本申请保护的范围。
首先,对本申请可适用的应用场景进行介绍。本申请可应用于信号处理技术领域。在对心音信号进行分析之前,对心音信号进行去噪处理,首先,对采集到的心音信号进行初级去噪处理,得到去噪后的振动频率位于心音振动范围内的正常心音信号;按照得到的去噪心音信号对应的多个响度增益权重,增益放大去噪心音信号,得到放大后的放大心音信号;再次对放大后的放大心音信号进行去干扰处理,得到无干扰心音信号;对得到的无干扰心音信号进行标注,得到可用于后续进行分析的目标心音信号。这样,通过对获取到的初始心音信号进行处理,可以有效的滤除心音信号中的噪音,有助于减少心音信号中的干扰成分,进而,可以提高后期对心音信号进行分析时分析结果的准确性。
经研究发现,目前,在采集心音信号的过程中不可避免地会受到采集环境和采集设备的影响。例如,传感器与被测试者之间的摩擦音,人体本身的呼吸音、肺音干扰,工频干扰以及外部环境噪声等。噪声的存在将会对心音信号的定位分段、包络提取和特征值提取产生一定干扰,降低心音识别分类的准确性。因此,如何有效地滤除心音信号中的噪音成为了亟待解决的问题。
基于此,本申请实施例提供了一种心音信号的处理方法,可以滤除心音信号中的噪音,以及减少心音信号中对后期心音信号分析产生干扰的干扰成分。
请参阅图1,图1为本申请实施例所提供的一种心音信号的处理方法的流程图。如图1中所示,本申请实施例提供的心音信号的处理方法,包括:
S101、对采集到的初始心音信号进行初级去噪处理,得到去噪后的去噪心音信号。
该步骤中,由于采集到的初始心音信号中包括有噪音信号以及干扰信号等,在后期对心音信号进行分析的过程中,上述信号会影响对心音信号的分析结果,因此,在对心音信号进行分析前,需要对采集到的初始心音信号进行预处理,以滤除初始心音信号中的噪音信号以及干扰信号等。
这里,为了最大程度上的去除初始心音信号中不必要的信号,首先,对采集到的初始心音信号进行初级去噪处理,滤除掉初始心音信号中的噪音信号,得到去噪后的去噪心音信号。
其中,心音信号中的噪声信号主要由信号采集系统自身产生和采集环境产生,因此采集到的初始心音信号中会包含心音信号以外的噪声信号。采集过程中常见的噪声包括:a)周围环境的音频噪声;b)采集设备的仪器噪声;c)人体内部产生的其他杂音。
S102、按照所述去噪心音信号对应的多个响度增益权重,对所述去噪心音信号进行增益放大处理,得到放大后的放大心音信号。
该步骤中,心音信号是一种比较微弱的生物信号,而医生在听诊时需要根据心音来进行判断,因此,为了使得心音信号更加清晰,借鉴语音信号处理中的自动增益控制(Automatic Gain Control,AGC)处理技术,可以根据语音的响度对获取到的心音信号进行调整。
但是,由于人的听觉对各个频率的感知是非线性的,因此,对于一段心音信号来说,不同频率对应的响度增益权重也是存在差异的,需要遵循的是心音信号所对应的等响度曲线。
这样,便可以使得每个频率的响度增益基本相同,即每一帧去噪心音信号的声音听起来响度是平稳的,不会忽大忽小。
S103、对所述放大心音信号进行去干扰处理,得到无干扰心音信号。
该步骤中,在得到放大后的放大心音信号之后,为了进一步的减少对心音信号进行分析时所存在的干扰,需要对放大心音信号进行去干扰处理,滤除心音信号中的干扰信号,得到无干扰心音信号。
这样,可以进一步的保证在对心音信号进行分析的过程中,不会因为干扰信号的存在而使得分析的结果不够准确。
S104、对所述无干扰心音信号进行标注处理,得到所述初始心音信号对应的目标心音信号。
该步骤中,在得到无干扰心音信号后,便可以对得到的无干扰心音信号进行标注,即从无干扰心音信号中确定出第一心音位置以及第二心音位置等,从而得到可以用于后续分析的目标心音信号。
这样,本申请通过对采集到的初始心音信号进行初级去噪处理,得到了振动频率位于心音振动范围内的正常心音信号;按照得到的去噪心音信号对应的多个响度增益权重,增益放大去噪心音信号,得到放大后的放大心音信号,使得心音信号的频率位于人们听觉范围中最佳的听觉频率范围内;再次对放大后的放大心音信号进行去干扰处理,得到无干扰心音信号;最后,再对得到的无干扰心音信号进行标注,得到可用于后续进行分析的目标心音信号,从而可以有效的滤除心音信号中的噪音,有助于减少心音信号中的干扰成分,进而,可以提高后期对心音信号进行分析时分析结果的准确性。
请参阅图2,图2为本申请实施例所提供的另一种心音信号的处理方法的流程图。如图2中所示,本申请实施例提供的心音信号的处理方法,包括:
S201、将所述初始心音信号的采样频率调整至处理采样频率,得到调整后的初始心音信号。
该步骤中,正常心音的振动频率范围通常在20Hz到400Hz左右,心杂音的频率一般不超过800Hz,而通过心音采集设备采集到的初始心音信号的采样频率通常为4000Hz。因此,在这种窄带情况下,为了在心音信号频谱中获得更多信息,便于对心音信号进行后续的处理,首先,需要对采集到的初始心音信号进行升采样处理,即将采集到的初始心音信号的采样频率调整至可以进行信号处理的处理采样频率,就是说将原本采样频率在4000Hz初始心音信号升采样到8000Hz。
S202、对所述调整后的初始心音信号进行滤波处理,从所述调整后的初始心音信号中确定出振动频率位于心音振动频率范围内的正常心音信号。
该步骤中,通常情况下心杂音信号(低频噪音信号)的频率与心音的振动频率是不同的,因此,可以根据心音信号的振动频率滤除初始心音信号中的噪音信号,对进行升采样调整后的初始心音信号进行滤波处理,从调整后的初始心音信号中确定出振动频率位于心音振动频率范围内的正常心音信号,即从调整后的初始心音信号中滤除掉心杂音信号(低频噪音信号)。
S203、将所述正常心音信号输入至训练好的降噪模型中,得到去噪后的去噪心音信号。
该步骤中,在通过对升采样之后的初始心音信号进行滤波处理得到正常心音信号之后,为了进一步的消除初始心音信号中振动频率位于心音振动频率范围内的混合噪音信号,将得到的正常心音信号输入至预先训练好的降噪模型中,得到去噪后的去噪心音信号。
这里,通过以下步骤训练所述降噪模型:
步骤1、获取多个样本心音信号,以及每个样本心音信号对应的样本去噪信号。
步骤2、将每个样本心音信号的采样频率调整至处理采样频率,得到调整后的样本心音信号。
步骤3、对调整后的样本心音信号进行滤波处理,从调整后的样本心音信号中确定出振动频率位于心音振动频率范围内的正常样本信号。
步骤4、将每个样本心音信号对应的正常样本信号作为输入特征,将每个样本心音信号对应的样本去噪信号作为输出特征,训练构建好的循环神经网络,得到训练好的降噪模型。
其中,循环神经网络使得对时间序列建模成为可能,而不是仅仅孤立的考虑输入和输出帧。循环神经网络非常适合处理符合时间序列的数据,例如,语音数据或者心音信号等均是与时间序列相关的数据。由于需要时间来获得更好的噪声估计,因此循环神经网络这个特性对于噪声抑制非常重要。采用门循环单元(Gated Recurrent Unit,GRU)可记忆较长时间的信息和解决了反向传播梯度下降低效的问题。采用学习参数的方式,让神经网络去学习微调调优难度很大的部分,例如噪声估计器,弥补了通常信号降噪处理中繁琐的调参问题。
S204、按照所述去噪心音信号对应的多个响度增益权重,对所述去噪心音信号进行增益放大处理,得到放大后的放大心音信号。
S205、对所述放大心音信号进行去干扰处理,得到无干扰心音信号;
S206、对所述无干扰心音信号进行标注处理,得到所述初始心音信号对应的目标心音信号。
其中,S204至S206的描述可以参照S102至S104的描述,并且能达到相同的技术效果,对此不做赘述。
进一步的,步骤S202包括:对所述调整后的初始心音信号进行带阻滤波处理,从所述调整后的初始心音信号分离出工频噪音信号,得到有效心音信号;对所述有效心音信号进行带通滤波处理,从所述有效心音信号中确定出振动频率位于心音振动频率范围内的正常心音信号。
该步骤中,对调整后的初始心音信号进行带阻滤波处理,从调整后的初始心音信号中分离出工频噪音信号,得到有效心音信号,这里,由于工频噪音信号通常为固定频率的噪音信号,因此,可以通过带阻滤波的方式,将工频噪音信号从调整后的初始心音信号分离出,得到有效心音信号。
在得到有效心音信号之后,对有效心音信号进行带通滤波处理,从有效心音信号中确定出振动频率位于心音振动范围内的正常心音信号。这里,由于正常心音信号的振动范围一般位于20Hz-400Hz之间,因此,可以通过window-sinc滤波器对有效心音信号进行带通滤波处理,得到振动频率位于20Hz-400Hz之间的正常心音信号。
进一步的,步骤S203包括:针对于所述去噪心音信号中的每一帧去噪心音信号,确定该帧去噪心音信号中每个信号频率对应的响度增益因子;基于所述响度增益因子与等响度曲线之间的映射关系,确定出每个信号频率对应的响度增益权重;基于每一帧去噪心音信号中每个信号频率对应的响度增益权重,对所述去噪心音信号进行增益放大处理,得到放大后的放大心音信号。
该步骤中,对于一段去噪心音信号来说,它是由多帧去噪心音信号组成,且每帧去噪心音信号中包括多个信号频率,因此,为了使得一段去噪心音信号中的每一帧去噪心音信号中的每个信号频率均位于人们听觉范围中最佳的听觉频率范围内,就需要按照每个信号频率对这一段去噪心音信号进行放大,具体的:
针对于去噪心音信号中的每一帧去噪心音信号,确定出该帧去噪心音信号的多个信号采样点,基于确定出的多个信号采样点,确定出该帧去噪心音信号对应的多个信号频率,然后,通过插值和拟合方式,确定出每个信号频率对应的响度增益因子;根据响度增益因子与等响度曲线之间的映射关系,确定出该信号采样点对应的响度增益权重;最后,基于每一帧去噪心音信号中每个信号采样点对应的响度增益权重,对整个去噪心音信号进行增益放大处理,得到放大后的放大心音信号。
其中,可以根据多个信号采样点中的多个连续的信号采样点确定出该帧去噪心音信号对应的多个信号频率,示例性的,多个信号采样点“信号采样点1”、“信号采样点2”、“信号采样点3”、“信号采样点4”、“信号采样点5”以及“信号采样点6”,上述多个信号采样点顺次排列,可以基于“信号采样点1”、“信号采样点2”以及“信号采样点3”确定出该帧去噪心音信号中的“信号频率A”,以及基于“信号采样点4”、“信号采样点5”以及“信号采样点6”确定出该帧去噪心音信号中的“信号频率B”。
这里,综合考虑了去噪心音信号中每个信号频率,可以根据去噪心音信号中每个信号频率调整去噪心音信号,使得调整后的去噪心音信号的每一帧去噪心音信号中的每个信号频率的响度增益基本相同,即每一帧去噪心音信号的声音听起来响度是平稳的,不会忽大忽小。
进一步的,步骤S204包括:从所述放大心音信号中裁剪出预设时间范围内的心音信号片段;提取出所述心音信号片段中基音频率位于预设基音频率范围内的候选基频信号;对所述候选基频信号进行平滑处理,得到无干扰心音信号。
该步骤中,为了避免采集开始和采集结束时,移动心音信号采集设备或心音信号采集设备与身体衣物的摩擦,在心音起始段和结束段的一定时长内,会存在不稳定的心音信号,那么这些不稳定的心音信号就会对后续的心音信号分析存在干扰,因此,就需要对放大心音信号进行裁剪,从放大心音信号中裁剪出预设时间范围内的心音信号片段,即裁剪掉那些不稳定的心音信号。
接着,从裁剪出的心音信号片段中,提取出基音频率位于预设基音频率范围内的候选基频信号,对提取出的候选基频信号进行平滑处理,得到无干扰心音信号。
这里,对提取出的候选基频信号进行平滑处理,包括:对候选基频信号进行基础平滑处理,根据各个候选基频信号的信噪比以及对候选基频信号进行端点检测的检测结果,去除基频误差较大的候选基频信号;
进一步的,通过预先训练好的隐马尔科夫模型对去除了基频误差较大的候选基频信号进行全局平滑处理,得到无干扰心音信号。
这里,物理学上的基音频率(Fundamental frequency)是指自由振荡系统的最低振荡频率,复合波中的最低频率。周期函数或周期性的波形可以进行傅里叶级数分解,其波形均可分解为一个基频正弦波加上许多高次频率的正弦波(或余弦波),高次频率是基频的整倍数。
进一步的,所述提取出所述心音信号片段中基音频率位于预设基音频率范围内的候选基频信号,包括:通过自相关函数从所述心音信号片段中确定出多个信号周期;针对于每个信号周期,确定所述信号周期所属的子心音信号对应的基音频率;当所述基音频率位于预设基音频率范围内时,将所述基音频率对应的子心音信号确定为候选基频信号。
该步骤中,采集到的心音信号来自于人体腔体振动,具有周期性特点,因此,在平静状态下采集到的一段心音信号可近似作为周期性平稳信号来处理。由于人体中可以发生振动的腔体包括多个,因此,采集到的心音信号中包括有多个腔体振动所产生的心音信号,那么也就是说采集到的一段心音信号中包括多个周期不同的子心音信号,但是,由于一些腔体振动产生的心音信号在后续对心音进行分析的过程中不会产生积极的作用,甚至会产生干扰,因此,此时就需要将不被需要的子心音信号滤除掉。
具体的,通过自相关函数从裁剪出的心音信号片段中确定出多个信号周期,求各个信号周期的倒数,得到每个信号周期的所属的子心音信号的基音频率;确定各个子心音信号的基音频率是否位于预设基音频率范围内,当子心音信号的基音频率位于预设基音频率范围内时,将该子心音信号确定为候选基频信号。
这里,在人类语音中,音高由基音频率决定。由于心音信号与语音信号相同均具有周期性,因此,采用语音信号处理中常见的基于自相关算法的基音频率提取方法,实现对于心音信号的周期相关性提取。
另外,以两个信号之间的相关函数度量它们之间的相似性,相关函数的结果随两个信号波形开始时间的延迟而变化。自相关函数是信号自身的相关函数以自相关函数度量信号自身的相似性。
进一步的,步骤S206包括:确定出所述无干扰心音信号对应的心音信号包络;基于所述心音信号包络,从所述无干扰心音信号中确定出第一心音信号的位置信息以及第二心音信号的位置信息;基于所述第一心音信号的位置信息以及所述第二心音信号的位置信息对所述无干扰心音信号进行标注,得到待处理心音信号;降低所述待处理心音信号的采样频率,得到所述初始心音信号对应的目标心音信号。
该步骤中,采用心音处理领域广泛使用的归一化平均香农能量对无干扰心音信号的心音信号包络进行提取;具体的,主要包括对无干扰心音信号进行归一化处理、计算无干扰心音信号的香农能量、计算无干扰心音信号的平均香农能量,最后对无干扰心音信号进行平滑处理,提取出无干扰心音信号的心音信号包络。
其次,对无干扰心音信号进行分段,基于无干扰心音信号对应的心音信号包络,从无干扰心音信号中确定出第一心音信号的位置信息以及第二心音信号的位置信息。
然后,基于第一心音信号的位置信息以及第二心音信号的位置信息,对无干扰心音信号进行标注,得到标注后的待处理心音信号。这里,通过上述方法对获取到的初始心音信号进行一系列的处理之后,得到的无干扰心音信号中第一心音信号以及第二心音信号得到了很好的保留,此时,得到的无干扰心音信号中杂乱的噪音信号明显减少,较好地去除了部分心杂音信号和额外心音(除所需的心音信号外,例如,除第一心音信号以及第二心音信号之外)的影响,有效降低带有心杂音和额外心音干扰的定位难度,由此,可以实现较好的心音信号分段效果。
最后,对得到的待处理心音信号进行降采样处理,即降低待处理心音信号的采样频率,将待处理心音信号的采样频率调整至与采集初始心音信号的采样频率一致,得到初始心音信号对应的目标心音信号。
这样,本申请为了更好的对采集到的初始心音信号进行后续的处理,首先,将初始心音信号的采样频率调整至处理采样频率,再对调整后的初始心音信号进行滤波处理,得到振动频率位于心音振动频率范围内的正常心音信号,最后,通过降噪模型得到去噪后的心音信号;按照得到的去噪心音信号对应的多个响度增益权重,增益放大去噪心音信号,得到放大后的放大心音信号,使得心音信号的频率的响度增益基本相同;再次对放大后的放大心音信号进行去干扰处理,得到无干扰心音信号;最后,再对得到的无干扰心音信号进行标注,得到可用于后续进行分析的目标心音信号,从而可以有效的滤除心音信号中的噪音,有助于减少心音信号中的干扰成分,进而,可以提高后期对心音信号进行分析时分析结果的准确性。
请参阅图3,图3为本申请实施例所提供的一种心音信号的处理装置的结构示意图。如图3中所示,所述处理装置300包括:
去噪模块310,用于对采集到的初始心音信号进行初级去噪处理,得到去噪后的去噪心音信号;
增益模块320,用于按照所述去噪心音信号对应的多个响度增益权重,对所述去噪心音信号进行增益放大处理,得到放大后的放大心音信号;
处理模块330,用于对所述放大心音信号进行去干扰处理,得到无干扰心音信号;
标注模块340,用于对所述无干扰心音信号进行标注处理,得到所述初始心音信号对应的目标心音信号。
进一步的,所述去噪模块310在用于对采集到的初始心音信号进行初级去噪处理,得到去噪后的去噪心音信号时,所述去噪模块310用于:
将所述初始心音信号的采样频率调整至处理采样频率,得到调整后的初始心音信号;
对所述调整后的初始心音信号进行滤波处理,从所述调整后的初始心音信号中确定出振动频率位于心音振动频率范围内的正常心音信号;
将所述正常心音信号输入至训练好的降噪模型中,得到去噪后的去噪心音信号。
进一步的,所述去噪模块310在用于对所述调整后的初始心音信号进行滤波处理,从所述调整后的初始心音信号中确定出振动频率位于心音振动频率范围内的正常心音信号时,所述去噪模块310用于:
对所述调整后的初始心音信号进行带阻滤波处理,从所述调整后的初始心音信号分离出工频噪音信号,得到有效心音信号;
对所述有效心音信号进行带通滤波处理,从所述有效心音信号中确定出振动频率位于心音振动频率范围内的正常心音信号。
进一步的,所述增益模块320在用于按照所述去噪心音信号对应的多个响度增益权重,对所述去噪心音信号进行增益放大处理,得到放大后的放大心音信号时,所述增益模块320用于:
针对于所述去噪心音信号中的每一帧去噪心音信号,确定该帧去噪心音信号中每个信号频率对应的响度增益因子;
基于所述响度增益因子与等响度曲线之间的映射关系,确定出每个信号频率对应的响度增益权重;
基于每一帧去噪心音信号中每个信号频率对应的响度增益权重,对所述去噪心音信号进行增益放大处理,得到放大后的放大心音信号。
进一步的,所述处理模块330在用于对所述放大心音信号进行去干扰处理,得到无干扰心音信号时,所述处理模块330用于:
从所述放大心音信号中裁剪出预设时间范围内的心音信号片段;
提取出所述心音信号片段中基音频率位于预设基音频率范围内的候选基频信号;
对所述候选基频信号进行平滑处理,得到无干扰心音信号。
进一步的,所述处理模块330在用于提取出所述心音信号片段中基音频率位于预设基音频率范围内的候选基频信号时,所述处理模块330用于:
通过自相关函数从所述心音信号片段中确定出多个信号周期;
针对于每个信号周期,确定所述信号周期所属的子心音信号对应的基音频率;
当所述基音频率位于预设基音频率范围内时,将所述基音频率对应的子心音信号确定为候选基频信号。
进一步的,所述标注模块340在用于对所述无干扰心音信号进行标注处理,得到所述初始心音信号对应的目标心音信号时,所述标注模块340用于:
确定出所述无干扰心音信号对应的心音信号包络;
基于所述心音信号包络,从所述无干扰心音信号中确定出第一心音信号的位置信息以及第二心音信号的位置信息;
基于所述第一心音信号的位置信息以及所述第二心音信号的位置信息对所述无干扰心音信号进行标注,得到待处理心音信号;
降低所述待处理心音信号的采样频率,得到所述初始心音信号对应的目标心音信号。
本申请实施例提供的一种心音信号的处理装置,通过对采集到的初始心音信号进行初级去噪处理,得到了振动频率位于心音振动范围内的正常心音信号;按照得到的去噪心音信号对应的多个响度增益权重,增益放大去噪心音信号,得到放大后的放大心音信号,使得心音信号的频率位于人们听觉范围中最佳的听觉频率范围内;再次对放大后的放大心音信号进行去干扰处理,得到无干扰心音信号;最后,再对得到的无干扰心音信号进行标注,得到可用于后续进行分析的目标心音信号,从而可以有效的滤除心音信号中的噪音,有助于减少心音信号中的干扰成分,进而,可以提高后期对心音信号进行分析时分析结果的准确性。
请参阅图4,图4为本申请实施例所提供的一种电子设备的结构示意图。如图4中所示,所述电子设备400包括处理器410、存储器420和总线430。
所述存储器420存储有所述处理器410可执行的机器可读指令,当电子设备400运行时,所述处理器410与所述存储器420之间通过总线430通信,所述机器可读指令被所述处理器410执行时,可以执行如上述图1以及图2所示方法实施例中的心音信号的处理方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行如上述图1以及图2所示方法实施例中的心音信号的处理方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种心音信号的处理方法,其特征在于,所述处理方法包括:
对采集到的初始心音信号进行初级去噪处理,得到去噪后的去噪心音信号;
按照所述去噪心音信号对应的多个响度增益权重,对所述去噪心音信号进行增益放大处理,得到放大后的放大心音信号;
对所述放大心音信号进行去干扰处理,得到无干扰心音信号;
对所述无干扰心音信号进行标注处理,得到所述初始心音信号对应的目标心音信号。
2.根据权利要求1所述的处理方法,其特征在于,所述对采集到的初始心音信号进行初级去噪处理,得到去噪后的去噪心音信号,包括:
将所述初始心音信号的采样频率调整至处理采样频率,得到调整后的初始心音信号;
对所述调整后的初始心音信号进行滤波处理,从所述调整后的初始心音信号中确定出振动频率位于心音振动频率范围内的正常心音信号;
将所述正常心音信号输入至训练好的降噪模型中,得到去噪后的去噪心音信号。
3.根据权利要求2所述的处理方法,其特征在于,所述对所述调整后的初始心音信号进行滤波处理,从所述调整后的初始心音信号中确定出振动频率位于心音振动频率范围内的正常心音信号,包括:
对所述调整后的初始心音信号进行带阻滤波处理,从所述调整后的初始心音信号分离出工频噪音信号,得到有效心音信号;
对所述有效心音信号进行带通滤波处理,从所述有效心音信号中确定出振动频率位于心音振动频率范围内的正常心音信号。
4.根据权利要求1所述的处理方法,其特征在于,所述按照所述去噪心音信号对应的多个响度增益权重,对所述去噪心音信号进行增益放大处理,得到放大后的放大心音信号,包括:
针对于所述去噪心音信号中的每一帧去噪心音信号,确定该帧去噪心音信号中每个信号频率对应的响度增益因子;
基于所述响度增益因子与等响度曲线之间的映射关系,确定出每个信号频率对应的响度增益权重;
基于每一帧去噪心音信号中每个信号频率对应的响度增益权重,对所述去噪心音信号进行增益放大处理,得到放大后的放大心音信号。
5.根据权利要求1所述的处理方法,其特征在于,所述对所述放大心音信号进行去干扰处理,得到无干扰心音信号,包括:
从所述放大心音信号中裁剪出预设时间范围内的心音信号片段;
提取出所述心音信号片段中基音频率位于预设基音频率范围内的候选基频信号;
对所述候选基频信号进行平滑处理,得到无干扰心音信号。
6.根据权利要求5所述的处理方法,其特征在于,所述提取出所述心音信号片段中基音频率位于预设基音频率范围内的候选基频信号,包括:
通过自相关函数从所述心音信号片段中确定出多个信号周期;
针对于每个信号周期,确定所述信号周期所属的子心音信号对应的基音频率;
当所述基音频率位于预设基音频率范围内时,将所述基音频率对应的子心音信号确定为候选基频信号。
7.根据权利要求1所述的处理方法,其特征在于,所述对所述无干扰心音信号进行标注处理,得到所述初始心音信号对应的目标心音信号,包括:
确定出所述无干扰心音信号对应的心音信号包络;
基于所述心音信号包络,从所述无干扰心音信号中确定出第一心音信号的位置信息以及第二心音信号的位置信息;
基于所述第一心音信号的位置信息以及所述第二心音信号的位置信息对所述无干扰心音信号进行标注,得到待处理心音信号;
降低所述待处理心音信号的采样频率,得到所述初始心音信号对应的目标心音信号。
8.一种心音信号的处理装置,其特征在于,所述处理装置包括:
去噪模块,用于对采集到的初始心音信号进行初级去噪处理,得到去噪后的去噪心音信号;
增益模块,用于按照所述去噪心音信号对应的多个响度增益权重,对所述去噪心音信号进行增益放大处理,得到放大后的放大心音信号;
处理模块,用于对所述放大心音信号进行去干扰处理,得到无干扰心音信号;
标注模块,用于对所述无干扰心音信号进行标注处理,得到所述初始心音信号对应的目标心音信号。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线进行通信,所述机器可读指令被所述处理器运行时执行如权利要求1至7任一所述的心音信号的处理方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至7任一所述的心音信号的处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011475901.8A CN112614503A (zh) | 2020-12-14 | 2020-12-14 | 心音信号的处理方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011475901.8A CN112614503A (zh) | 2020-12-14 | 2020-12-14 | 心音信号的处理方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112614503A true CN112614503A (zh) | 2021-04-06 |
Family
ID=75234079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011475901.8A Pending CN112614503A (zh) | 2020-12-14 | 2020-12-14 | 心音信号的处理方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112614503A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007046504A1 (ja) * | 2005-10-21 | 2007-04-26 | Yamaguchi University | 聴診心音信号の処理方法及び聴診装置 |
CN101930734A (zh) * | 2010-07-29 | 2010-12-29 | 重庆大学 | 一种心音信号分类识别方法及装置 |
US20140135639A1 (en) * | 2012-11-13 | 2014-05-15 | Yungkai Kyle Lai | Adaptive Acoustic Signal Filtering for Respiration Monitoring System |
CN106377279A (zh) * | 2016-08-29 | 2017-02-08 | 深圳市理邦精密仪器股份有限公司 | 胎心音频信号处理方法和装置 |
CN107798350A (zh) * | 2017-11-08 | 2018-03-13 | 华南师范大学 | 一种心肺音信号识别方法和系统 |
CN109473115A (zh) * | 2018-11-22 | 2019-03-15 | 四川长虹电器股份有限公司 | 数字音频信号音量等响度调节方法 |
CN109616099A (zh) * | 2018-12-13 | 2019-04-12 | 南京工程学院 | 一种基于基音频率及平滑处理的男女语音性别识别方法 |
CN110010145A (zh) * | 2019-02-28 | 2019-07-12 | 广东工业大学 | 一种消除电子听诊器摩擦声的方法 |
CN110349595A (zh) * | 2019-07-22 | 2019-10-18 | 浙江大华技术股份有限公司 | 一种音频信号自动增益控制方法、控制设备及存储介质 |
CN110368020A (zh) * | 2019-07-03 | 2019-10-25 | 北京必安必恒科技发展有限公司 | 一种心音信号预处理方法及装置 |
-
2020
- 2020-12-14 CN CN202011475901.8A patent/CN112614503A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007046504A1 (ja) * | 2005-10-21 | 2007-04-26 | Yamaguchi University | 聴診心音信号の処理方法及び聴診装置 |
CN101930734A (zh) * | 2010-07-29 | 2010-12-29 | 重庆大学 | 一种心音信号分类识别方法及装置 |
US20140135639A1 (en) * | 2012-11-13 | 2014-05-15 | Yungkai Kyle Lai | Adaptive Acoustic Signal Filtering for Respiration Monitoring System |
CN106377279A (zh) * | 2016-08-29 | 2017-02-08 | 深圳市理邦精密仪器股份有限公司 | 胎心音频信号处理方法和装置 |
CN107798350A (zh) * | 2017-11-08 | 2018-03-13 | 华南师范大学 | 一种心肺音信号识别方法和系统 |
CN109473115A (zh) * | 2018-11-22 | 2019-03-15 | 四川长虹电器股份有限公司 | 数字音频信号音量等响度调节方法 |
CN109616099A (zh) * | 2018-12-13 | 2019-04-12 | 南京工程学院 | 一种基于基音频率及平滑处理的男女语音性别识别方法 |
CN110010145A (zh) * | 2019-02-28 | 2019-07-12 | 广东工业大学 | 一种消除电子听诊器摩擦声的方法 |
CN110368020A (zh) * | 2019-07-03 | 2019-10-25 | 北京必安必恒科技发展有限公司 | 一种心音信号预处理方法及装置 |
CN110349595A (zh) * | 2019-07-22 | 2019-10-18 | 浙江大华技术股份有限公司 | 一种音频信号自动增益控制方法、控制设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
刘艳芳;高国伟;: "胎心音检测系统中滤波电路的设计", 传感器与微系统, no. 12, 20 December 2006 (2006-12-20) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106486131B (zh) | 一种语音去噪的方法及装置 | |
Van Kuyk et al. | An evaluation of intrusive instrumental intelligibility metrics | |
JP4177755B2 (ja) | 発話特徴抽出システム | |
CN110123367B (zh) | 计算机设备、心音识别装置、方法、模型训练装置及存储介质 | |
EP2451359B1 (en) | Noise reduction of breathing signals | |
CN105989836B (zh) | 一种语音采集方法、装置及终端设备 | |
JP6334895B2 (ja) | 信号処理装置及びその制御方法、プログラム | |
CN108847253B (zh) | 车辆型号识别方法、装置、计算机设备及存储介质 | |
CN112957055A (zh) | 基于eemd-pca去除eeg信号中运动伪迹的方法及装置 | |
Mondal et al. | Boundary estimation of cardiac events S1 and S2 based on Hilbert transform and adaptive thresholding approach | |
JP4496378B2 (ja) | 定常雑音下における音声区間検出に基づく目的音声の復元方法 | |
Haque et al. | Perceptual features for automatic speech recognition in noisy environments | |
CN110795996B (zh) | 心音信号的分类方法、装置、设备及存储介质 | |
CN112614503A (zh) | 心音信号的处理方法、装置、电子设备及可读存储介质 | |
JP6467044B2 (ja) | シャント音解析装置、シャント音解析方法、コンピュータプログラム及び記録媒体 | |
CN116312561A (zh) | 一种电力调度系统人员声纹识别鉴权降噪和语音增强方法、系统及装置 | |
CN116364108A (zh) | 变压器声纹检测方法及装置、电子设备、存储介质 | |
CN111862991A (zh) | 一种婴儿哭声的识别方法及系统 | |
CN113724731B (zh) | 利用音频判别模型进行音频判别的方法和装置 | |
KR19990001828A (ko) | 스펙트럼의 동적영역 정규화에 의한 음성 특징 추출 장치 및 방법 | |
CN113593604A (zh) | 检测音频质量方法、装置及存储介质 | |
Bonifaco et al. | Comparative analysis of filipino-based rhinolalia aperta speech using mel frequency cepstral analysis and Perceptual Linear Prediction | |
US11881200B2 (en) | Mask generation device, mask generation method, and recording medium | |
CN109635759A (zh) | 一种信号处理方法、装置及计算机可读存储介质 | |
Wang et al. | Speech Intelligibility Enhancement Algorithm Based on Multi-Resolution Power-Normalized Cepstral Coefficients (MRPNCC) for Digital Hearing Aids |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |